MySQL无LEVENSHTEIN函数，需自建但受log_bin_trust_function_creators限制；SOUNDEX仅适用于英文名且忽略非字母字符；PostgreSQL推荐用fuzzystrmatch扩展直接调用levenshtein等函数。
MySQL里没有LEVENSHTEIN函数，别硬写
MySQL原生不支持LEVENSHTEIN，直接调用会报错FUNCTION does not exist。想用就得自己建函数，但要注意：MySQL 8.0+ 默认禁用自定义函数加载（log_bin_trust_function_creators=OFF），不改这个配置，CREATE FUNCTION会失败。
实操建议：
- 先确认权限和配置：
SELECT @@log_bin_trust_function_creators;，如果是0，需由DBA执行SET GLOBAL log_bin_trust_function_creators = 1; - 自定义函数性能较差，字符串超20字符时明显变慢，不适合大表
JOIN或WHERE中高频调用 - 更稳妥的替代是把相似度计算移到应用层（Python/Go），数据库只做等值或前缀匹配
SOUNDEX只适合英文名拼写纠错
SOUNDEX把字符串转成4字符的语音编码（如SOUNDEX('Smith') → 'S530'），但它对中文、数字、符号完全无效，且对英文也仅覆盖基础发音规则——'Robert'和'Rupert'结果一样，但'Tom'和'Tim'就不同。
常见错误现象：
- 拿
SOUNDEX比对手机号、邮箱、地址字段，结果全是'0000'或误匹配 - 在WHERE里写
SOUNDEX(col1) = SOUNDEX(col2)，本意是模糊查重，实际漏掉大量近音但编码不同的组合（比如带空格/撇号的名字） - 没意识到
SOUNDEX自动忽略非字母字符，'O'Neil'和'ONeil'结果相同，但'O'Neall'就变成另一个编码
PostgreSQL直接用fuzzystrmatch扩展
PostgreSQL用户最省事：装上fuzzystrmatch扩展后，levenshtein()、difference()（即SOUNDEX差值）、metaphone()全都有，不用自己实现。
使用前必须先启用：
- 执行
CREATE EXTENSION IF NOT EXISTS fuzzystrmatch;（需要superuser或database owner权限） -
levenshtein('kitten', 'sitting')返回3，支持设置最大距离阈值（第三个参数），超限直接返回-1，能显著提速 - 注意字符集：如果字段是
bytea或含多字节字符，确保数据库编码为UTF8，否则levenshtein按字节算而非字符，中文会出错
相似度数值本身没意义，得结合业务定阈值
不管是levenshtein返回的编辑距离，还是difference()返回的0–4整数，单独看都没法判断“是否相似”。关键在你的场景要什么：
- 查重人名：
levenshtein(a,b) 可能合理；但两个长地址对比，编辑距离<code>5可能只是邮编差一位 - 想归一化到0–1范围？别用
1 - levenshtein(a,b)/GREATEST(LENGTH(a),LENGTH(b))，长度差异大会严重偏斜——'a'和'abcde'相似度算出来是0.8，显然不对 - 真正稳定的方案是：先用
LENGTH过滤长度差超20%的对，再用levenshtein，最后按业务经验卡阈值，比如“姓名相似且长度差≤1才报警”
字符串相似度不是开箱即用的开关，它是把双刃剑：阈值设松了噪音爆炸，设紧了漏掉真问题。动手前先拿100条真实样本跑一遍分布，比查文档重要得多。
